(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211112684.5 (22)申请日 2022.09.13 (71)申请人 国网智能电网研究院有限公司 地址 102209 北京市昌平区未来科技城 滨 河大道18号 申请人 国网上海市电力公司 (72)发明人 刘莹　陶静　刘世栋　赵建立　 刘川　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 李静玉 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01)G06Q 50/06(2012.01) G06F 30/25(2020.01) G06N 3/00(2006.01) H02J 3/00(2006.01) H02J 3/38(2006.01) H02J 3/46(2006.01) G06F 111/04(2020.01) G06F 119/06(2020.01) (54)发明名称 虚拟电厂分层分布式优化调度方法、 装置和 设备 (57)摘要 本发明公开了一种虚拟电厂分层分布式优 化调度方法、 装置和设备， 该方法包括： 建立上层 虚拟电厂分布式优化模型和下层微能源网集中 式优化模型， 根据虚拟电厂分层分布式优化算法 对上层虚拟电厂分布式优化模型及下层微能源 网集中式优化模 型进行求解， 得到微能源网中每 个分布式电源的最优功率， 以及微能源网的最小 综合成本和虚拟电厂参与交易所获最大收益。 本 发明实施例通过对上层虚拟电厂分布式优化模 型及下层微能源网集中式优化模 型求解， 具有较 高的灵活性和可拓展性， 并且通过微能源网形式 可以聚合多种类型的分布式资源， 能够综合考虑 微能源网运行成本和污染物治理成本， 实现多种 类型需求侧资源的优化调度， 优化结果全面合 理。 权利要求书3页 说明书15页 附图3页 CN 115392585 A 2022.11.25 CN 115392585 A 1.一种虚拟电厂分层分布式优化调度方法， 其特 征在于， 包括： 建立上层虚拟电厂分布式优化模型， 上层虚拟电厂分布式优化模型以虚拟电厂参与交 易所获收益 最大为目标， 以每 个微能源网的总输出功率 为决策变量； 建立下层微能源 网集中式优化模型， 下层微 能源网集中式优化模型以微 能源网的综合 成本最小为 目标， 以微能源网中每个分布式电源的功率为决策变量， 所述综合成本为微能 源网运行成本和污染物治理成本之和； 根据虚拟电厂分层分布式优化算法对上层虚拟电厂分布式优化模型及下层微能源网 集中式优化模型进行求解， 得到微能源网中每个分布式电源的最优功率， 以及微能源网的 最小综合成本和虚拟电厂参与交易所获最大收益。 2.根据权利要求1所述的虚拟电厂分层 分布式优化调度方法， 其特征在于， 建立上层虚 拟电厂分布式优化模型， 包括： 以虚拟电厂参与交易所获收益最大为目标建立上层虚拟电厂分布式优化模型的目标 函数； 建立上层虚拟电厂分布式优化模型的约束条件， 其中， 上层虚拟电厂分布式优化模型 的约束条件包括虚拟电厂功率平衡约束条件、 虚拟电厂可交易总功率约束条件、 微能源网 的输出功率约束条件和电力线流 量约束条件。 3.根据权利要求1所述的虚拟电厂分层 分布式优化调度方法， 其特征在于， 建立下层微 能源网集中 式优化模型， 包括： 以微能源网的综合成本单价最小为目标， 建立下层微能源 网集中式优化模型的目标函 数； 建立下层微能源网集中式优化模型的约束条件， 其中， 下层微能源网集中式优化模型 的约束条件包括微能源网中电、 热、 气功 率平衡约束 条件、 可调分布式资源出力上下限约束 条件、 储能功率上 下限约束条件和能量状态约束条件。 4.根据权利要求2所述的虚拟电厂分层 分布式优化调度方法， 其特征在于， 根据虚拟电 厂分层分布式优化算法对上层虚拟电厂分布式优化模型及下层微能源网集中式优化模型 进行求解， 包括： 将上层虚拟电厂分布式优化模型的目标函数转换成虚拟电厂综合成本最小的目标函 数， 将上层虚拟电厂分布式优化模型转换成 综合优化模型； 根据虚拟电厂分层分布式优化算法对所述综合优化模型及下层微能源网集中式优化 模型进行求 解； 其中， 所述综合优化模型为： 其中， xi为第i个微能源网的总输出功率， 表示虚拟电厂的决策变量， fi(xi)表示虚拟电厂综合成本最小的目标函数， fi(xi)等于上层虚拟电厂分布式优 化模 型的目标函数的负值， gi(xi)是上层虚拟电厂分布式优化模型的约束条件， X表示虚拟电厂 的决策变量的集 合。 5.根据权利要求4所述的虚拟电厂分层 分布式优化调度方法， 其特征在于， 根据虚拟电权　利　要　求　书 1/3 页 2 CN 115392585 A 2厂分层分布式优化算法对所述综合优化模型及下层微能源网集中式优化模 型进行求解， 包 括： 构造所述综合优化模型的拉格朗日函数： Li(xi, μ1, μ2, μ3, μ4)＝fi(xi)+ μ1Tg1(xi)+ μ2Tg2(xi)+ μ3Tg3(xi)+ μ4Tg4(xi) 其中， Li表示虚拟电厂的拉格朗日函数， g1(xi)、 g2(xi)、 g3(xi)和g4(xi)分别表示虚拟电 厂功率平衡约束条件、 虚拟电厂可交易总功率约束条件、 微能源网的输出功率约束条件和 电力线流量约 束条件， μ1、 μ2、 μ3和 μ4分别表示虚拟电厂功率平衡约束条件、 虚拟电厂可交易 总功率约束条件、 微能源网的输出功率约束 条件和电力线流量约束条件对应的拉格朗日乘 数； 根据微能源网的初始状态和拉格朗日函数计算各个微能源网的初始总输出功率和初 始拉格朗日乘数， 所述初始状态为 微能源网内各个设备的当前工作状态； 各个微能源网通过参数迭代公式更新各个微能源网的总输出功率和拉格朗日乘数； 将更新后的各个微能源网的总输出功率， 传入下层微能源网集中 式优化模型中； 采用粒子群算法对下层微能源 网集中式优化模型进行求解， 获得微能源 网内各个分布 式电源的功率及优化后的总输出功率， 其中， 粒子群算法的初始粒子种群根据传入的总输 出功率和下层微能源网集中 式优化模型的约束条件随机生成； 将微能源网的总输出功率更新 为优化后的总输出功率； 将微能源网的拉格朗日乘数及更新后的总输出功率， 传给相邻的其它微能源网， 同时 获得相邻微能源网的拉格朗日乘数及更新后的总输出功率； 重复步骤各个微能源网通过参数迭代公式更新各个微能源网的总输出功率和拉格朗 日乘数至步骤将微能源网的拉格朗日乘数及更新后的总输出功 率， 传给相 邻的其它微能源 网， 同时获得相邻微能源网的拉格朗日乘数及更新后的总输出功率， 直至迭代次数达到预 设值后， 输出优化后的微能源网内各个分布式电源的功率及优化后的总输出功率， 并根据 微能源网内各个分布式电源的功率及优化后的总输出功率计算微能源网的最小综合成本 和虚拟电厂参与交易所获最大收益。 6.根据权利要求5所述的虚拟电厂分层 分布式优化调度方法， 其特征在于， 采用粒子群 算法对下层微能源网集中式优化模型进行求解， 获得微能源网内各个分布式电源的功率及 优化后的总输出功率， 包括： 初始化粒子群算法参数和微能源网参数， 所述粒子群算法参数包括最大迭代次数、 初 始种群历史最优位置和初始粒子历史最优位置， 所述微能源网参数包括运行参数和设备性 能参数； 根据传入的总输出功率和下层微能源网集中式优化模型的约束条件随机生成初始粒 子种群， 所述初始粒子种群中粒子的位置表示微能源网内的各个设备 的工作调度方案， 粒 子的速度表示工作调度方案中相应 变量的调整幅度； 以下层微 能源网集中式优化模型的目标函数为适应度函数， 计算当前粒子位置的适应 度值； 采用粒子迭代公式更新粒子的速度和位置， 并计算更新后的位置的适应度值， 根据更 新后的位置的适应度值是否大于当前的种群的历史最优位置和粒子的历史最优位置更新 种群的历史最优位置和粒子的历史最优位置；权　利　要　求　书 2/3 页 3 CN 115392585 A 3